[论文解读] A Survey on Mobile Edge Computing: The Communication Perspective

Yuyi Mao, Changsheng You+3 more|arXiv (Cornell University)|Jan 4, 2017

IoT and Edge/Fog Computing参考文献 166被引用 25

一句话总结

本文从通信角度对移动边缘计算（MEC）进行了全面综述，重点研究了低时延、节能型移动应用的联合无线与计算资源管理。文章整合了计算卸载、多服务器协同以及5G融合方面的进展，突出显示了移动性管理、缓存和隐私感知设计等关键挑战与未来研究方向。

ABSTRACT

Driven by the visions of Internet of Things and 5G communications, recent years have seen a paradigm shift in mobile computing, from the centralized Mobile Cloud Computing towards Mobile Edge Computing (MEC). The main feature of MEC is to push mobile computing, network control and storage to the network edges (e.g., base stations and access points) so as to enable computation-intensive and latency-critical applications at the resource-limited mobile devices. MEC promises dramatic reduction in latency and mobile energy consumption, tackling the key challenges for materializing 5G vision. The promised gains of MEC have motivated extensive efforts in both academia and industry on developing the technology. A main thrust of MEC research is to seamlessly merge the two disciplines of wireless communications and mobile computing, resulting in a wide-range of new designs ranging from techniques for computation offloading to network architectures. This paper provides a comprehensive survey of the state-of-the-art MEC research with a focus on joint radio-and-computational resource management. We also present a research outlook consisting of a set of promising directions for MEC research, including MEC system deployment, cache-enabled MEC, mobility management for MEC, green MEC, as well as privacy-aware MEC. Advancements in these directions will facilitate the transformation of MEC from theory to practice. Finally, we introduce recent standardization efforts on MEC as well as some typical MEC application scenarios.

研究动机与目标

• 通过将计算任务移至网络边缘，解决移动云计算存在的高时延和高能耗等局限性。
• 通过基于边缘的处理，使资源受限的移动设备能够支持低时延、计算密集型应用（如VR、AR、物联网）。
• 融合无线通信与移动计算范式，优化MEC系统中联合无线与计算资源的分配。
• 识别并分析MEC中的新兴挑战，包括移动性管理、能效、隐私以及网络切片。
• 提供从理论到实践过渡的MEC研究路线图，依托标准化和真实部署场景。

提出的方法

• 使用关键组件建模MEC系统：计算任务、无线通信信道、移动设备以及计算能力有限的边缘服务器。
• 通过计算卸载，制定联合无线与计算资源分配问题，以最小化时延和能耗。
• 提出多服务器选择与协作的优化框架，实现负载均衡和提升服务可用性。
• 集成5G网络特性，如网络切片、移动性模式跟踪和低时延回传，以增强MEC性能。
• 利用5G核心网络能力（如移动性模式监控）实现MEC中动态、预测性的资源管理。
• 分析缓存增强型MEC和绿色MEC技术在降低回传负载和能耗方面的作用。

实验结果

研究问题

• RQ1 如何优化联合无线与计算资源分配，以最小化MEC系统中的时延和能耗？
• RQ2 在移动和动态环境中部署MEC时面临的主要挑战是什么，特别是用户移动性和网络切换方面？
• RQ3 如何利用5G中的网络切片为多样化MEC应用提供专用、低时延连接？
• RQ4 缓存技术在提升MEC性能和减少回传流量方面发挥什么作用？
• RQ5 在边缘服务器处理敏感数据时，如何保障MEC中的隐私与安全？

主要发现

• 与集中式移动云计算相比，MEC显著降低了端到端时延和移动设备能耗，尤其在时延敏感型应用中表现突出。
• 5G网络特性（如超密集小细胞、毫米波通信和网络切片）是支持MEC低时延和高可靠性需求的关键使能技术。
• 5G核心网络中的移动性模式跟踪可实现预测性切换和资源分配，提升移动用户MEC服务的可靠性和效率。
• 网络切片可为不同MEC服务（如URLLC、mMTC、eMBB）提供专用、隔离的网络切片，确保性能保障并减少干扰。
• 缓存增强型MEC通过在边缘服务器缓存频繁访问的数据，降低回传负载和时延，提升内容密集型应用的QoE。
• 绿色MEC技术（如动态服务器激活和节能调度）可显著降低边缘基础设施的能耗。